블로그

사용 가이드

Vidu Q3 Ad reference-to-video 시작 가이드: 기능 범위, API 연동 및 비용 추정

Nov 13, 2026
글 커버 이미지: 연한 보라 회색과 먹색의 두 큰 평면 색면이 하나의 결정적인 대각선 경계로 만나고, 그 경계에 가느다란 보라색 실밥 자국이 있으며, 구도는 차분하고 절제되어 있다.
이 페이지에서

이 모델이 해결하는 문제

영상 제품을 만들다 보면 팀은 종종 단절에 부딪힙니다. 크리에이티브 측에는 이미 스타일이 분명한 이미지가 있지만, 그 이미지를 사용 가능한 동적 소재로 바꾸려면 모델링, 스토리보드, 합성이라는 전체 파이프라인이 사이에 놓여 있습니다. 텍스트 기반 영상 생성이 일부를 보완할 수는 있지만, 손에 있는 참조 이미지의 구도, 주체 관계, 시각적 톤을 안정적으로 재현하기는 어렵습니다.

Vidu Q3 Ad의 reference-to-video 기능은 바로 이 단절을 겨냥합니다. 참조 소재와 텍스트 설명을 함께 입력으로 넣으면 곧바로 영상 한 편을 산출합니다. 개발자에게 이것은 "시각 조건을 제어할 수 있는 생성 인터페이스"에 가깝습니다. 추상적인 설명이 아니라 시각적 앵커를 제공하는 것입니다.

전형적인 호출 형태는 세 단계로 추상화할 수 있습니다: 참조 소재 준비, 프롬프트 구성, 생성 요청을 보내 영상 결과 받기. HiAPI.ai의 통합 인터페이스 맥락에서도 이는 여전히 표준적인 "작업 제출, 폴링 또는 콜백, 산출물 회수" 흐름이며, 별도의 새로운 연동 패러다임을 이해할 필요가 없습니다.

이 기능은 어떤 화면을 원하는지 이미 명확히 알고 있고, 단지 그것을 움직이게 만들고 싶은 팀에 적합합니다: 광고 소재 변형, 이커머스 전시, 소셜 미디어 숏콘텐츠, 게임이나 앱 내 분위기 클립 등입니다. 이 점을 이해하는 것이 중요합니다. 이 모델은 크리에이티브를 제로에서 구상해 주는 도구가 아니라, 기존의 시각적 의도를 대량으로 영상으로 전환하는 실행 계층입니다.

두 입력이 가는 틈을 따라 하나로 모여 한 번의 생성이 되고, 다시 하나의 출력으로 수렴한다 — reference-to-video의 추상적 흐름.

기능 범위와 적용 시나리오

연동을 시작하기 전에 "무엇을 할 수 있는가"와 "무엇을 보장하지 않는가"를 구분해 두면 대량의 재작업을 줄일 수 있습니다.

기대할 수 있는 부분

  • 참조 기반 화면 연속성: 참조 소재와 프롬프트가 주어지면 모델이 참조의 시각적 특징을 중심으로 동적 콘텐츠를 생성하므로, 스타일 일관성을 유지해야 하는 시리즈 소재에 적합합니다.
  • 단일 요청으로 영상 한 편 산출: 입출력 관계가 직접적이어서 재시도 가능한 작업 단위로 캡슐화하기 쉽습니다.
  • 프롬프트와의 협업: 참조 소재가 톤을 정하고 프롬프트가 동작, 카메라, 리듬 설명을 보충하며, 둘이 함께 결과를 제약합니다.

신중하게 평가해야 하는 부분

  • 프레임 단위 픽셀 일치를 보장하지 않음: 참조는 "복사"가 아니라 "유도"입니다. 참조 이미지를 엄격한 첫 프레임이나 정밀 텍스처 템플릿으로 기대하지 마세요.
  • 텍스트와 세부 사항 재현이 제한적: 화면 속 작은 글자, 복잡한 로고, 정교한 UI 요소는 일반적으로 이런 모델의 강점이 아닙니다. 홍보물의 핵심 문구는 후반 작업에서 합성해야 합니다.
  • 긴 장면과 복잡한 내러티브에 취약: 한 번의 생성은 짧은 클립에 더 적합하며, 여러 단락의 내러티브는 여러 번 호출하고 편집으로 조합해야 합니다.
  • 생성에 무작위성이 있음: 동일한 입력을 다시 실행하면 다른 결과가 나올 수 있으므로, 제품 측에서는 "여러 개 중 하나 선택" 또는 "수동 선별" 단계를 설계해야 합니다.

적합한 시나리오와 부적합한 시나리오

적합: 소재 대량 변형, 스타일이 통일된 시리즈 짧은 영상, 개념 검증과 제안 미리보기, 광고 소재의 빠른 시행착오.

부적합: 정확한 브랜드 규정 렌더링이 필요한 최종 소재, 인물 일관성이 장편 전체에 엄격히 유지되어야 하는 프로젝트, 화면 텍스트 정확성에 강한 요구가 있는 시나리오. 이런 부분은 후반 작업의 결정론적 도구에 맡기는 것이 반복 재생성보다 경제적입니다.

왼쪽 열은 참조 기반 생성이 안정적으로 커버하는 용도를 나타내고, 오른쪽 열의 끊어진 막대는 신중하게 평가해야 하는 시나리오를 시사한다.

연동 전 API 파라미터 요점

새 모델을 연동할 때 실제로 재작업량을 결정하는 것은 모델 자체가 아니라 요청 설계인 경우가 많습니다. 다음은 reference-to-video를 호출할 때 미리 확인해야 하는 차원입니다.

필수 및 선택 입력

핵심 입력은 참조 소재와 프롬프트입니다. 연동 전에 확인하세요: 참조 소재가 어떤 형식과 크기를 지원하는지, 여러 장의 참조를 지원하는지, 소재에 어떤 해상도 요구가 있는지. 프롬프트에는 "화면 내용"과 "운동 방식"을 함께 명확히 쓰는 것이 좋습니다. 예를 들어 주체가 어떻게 움직이는지, 카메라가 줌인인지 팬인지, 전체 리듬이 빠른 컷인지 완만한 움직임인지입니다.

길이와 출력 사양

이런 모델은 보통 길이로 과금하므로 길이 파라미터가 비용을 직접 결정합니다. 연동 시 길이를 코드에 하드코딩하지 말고 상위 비즈니스에 명시적 구성 항목으로 노출해야 합니다. 동시에 출력 해상도, 프레임 레이트, 컨테이너 형식이 다운스트림 재생 파이프라인을 충족하는지 확인하여, 생성 후 다시 트랜스코딩하는 일을 피하세요.

비동기 작업 모델

영상 생성은 밀리초 단위로 반환되는 호출이 아닙니다. 설계상 기본적으로 "작업 제출 → 작업 식별자 획득 → 폴링 또는 콜백 → 산출물 다운로드"의 비동기 흐름을 따라야 하며, 각 작업에 상태 머신(대기 중, 생성 중, 성공, 실패, 시간 초과)을 저장해야 합니다. 동기 요청에 타임아웃을 붙여 버티지 마세요. 그러면 재시도 로직과 과금 대사가 추적하기 어려워집니다.

멱등성과 재시도

매 제출에 비즈니스 측의 고유 요청 식별자를 붙여, 네트워크 이상으로 인한 중복 제출이 중복 과금이나 중복 파일을 만들지 않도록 하세요. 재시도 전략은 재시도 가능한 오류(시간 초과, 속도 제한)와 재시도 불가능한 오류(파라미터 오류, 참조 소재 규정 위반)를 구분해야 합니다.

통합 인터페이스와의 정렬

모델 호출을 내부 어댑터 계층에 캡슐화하고, 외부에는 자체 파라미터 구조를 노출하며 내부에서 구체적인 API 필드로 매핑하세요. 이렇게 하면 이후 모델을 바꾸거나 추가할 때 비즈니스 코드는 수정할 필요 없이 어댑터 계층만 조정하면 됩니다.

초 단위 과금 비용 추정

이 모델은 출력 영상의 초 수로 과금합니다. 예산을 추정하려면 "단일 길이 × 생성 개수"를 총 초 수로 환산한 뒤 단가를 곱하면 됩니다. 실시간 가격은 사이트 가격 패널을 기준으로 하며, 여기서는 환산 방법만 설명합니다.

단일 비용 계산 방식

5초짜리 클립 한 편을 생성한다고 가정해 봅시다. 계산 경로는 5초 × 초당 단가 = 단일 비용입니다. 대량 시나리오도 마찬가지입니다: 5초 소재 100개를 생성하면 총 길이는 500초이고 비용은 500 × 단가입니다. 여기서 핵심 변수는 세 가지뿐입니다. 길이, 개수, 그리고 재시도나 여러 번 샘플링으로 인한 추가 생성 횟수입니다.

"불확실성"을 예산에 반영하기

생성 모델에는 무작위성이 있어, 실제로는 같은 입력에 대해 여러 후보를 생성한 뒤 고르는 경우가 많습니다. 소재마다 3회 샘플링한다면 실제 비용은 목표 개수의 3배입니다. 예산을 잡을 때 샘플링 배수를 명시적 파라미터로 두어야 합니다:

  • 목표 산출 개수: N
  • 평균 샘플링 횟수: K
  • 단일 길이: T초
  • 총 생성 초 수 ≈ N × K × T

또한 실패 재시도 비용이 있으므로 예산에 일정 비율의 버퍼를预留하는 것이 좋습니다. 구체적인 비율은 감으로 정하지 말고 관찰된 실패율에 따라 정하세요.

예산을 통제하는 네 가지 수단

  1. 먼저 짧은 길이로 검증: 2–3초의 짧은 클립으로 프롬프트와 참조 소재를 조정하고, 방향이 확인되면 길이를 늘리세요.
  2. 계층적 샘플링: 먼저 저비용 파라미터로 여러 후보를 선별하고, 방향이 선택되면 선택된 항목에 고품질 생성을 수행하세요.
  3. 재시도 횟수 제한: 같은 입력에 재시도 상한을 설정하여 실패 작업이 무한 반복으로 예산을 태우지 않도록 하세요.
  4. 초 단위 대사: 생성된 초 수를 내부 비용 회계 단위로 삼아 재무 기준과 일치시키고, 단일 소재의 실제 비용을 추적할 수 있게 하세요.

"초 수"를 유일한 비용 단위로 삼기만 하면 단일과 대량의 추정 로직이 하나로 통일되어, 비즈니스 규모 변화로 왜곡되지 않습니다.

대표적인 활용과 조합 제안

모델을 연동하는 것은 첫 단계일 뿐입니다. 이를 중심으로 어떤 생산 모드를 조합할 수 있는지가 이 연동의 실제 가치를 결정합니다.

모드 1: 콘텐츠 대량 생산

템플릿화된 프롬프트 한 세트와 참조 소재 묶음을 사용해 큐 기반으로 대량 생성합니다. 이커머스 다중 SKU 전시, 소셜 미디어 일상 콘텐츠처럼 "양이 많고 단일 항목 요구가 극단적이지 않은" 시나리오에 적합합니다. 엔지니어링에서는 세 가지에 집중하세요: 작업 큐와 동시성 제어, 산출물 저장과 명명 규칙, 실패 작업의 자동 재진입.

모드 2: 다중 버전 비교와 A/B 소재

같은 참조 소재에 다른 프롬프트를 조합하거나, 같은 프롬프트로 여러 번 샘플링하여 후보 묶음을 산출합니다. 이 모드는 광고 전 소재 테스트에 적합합니다: 후보를 광고 시스템에 넘겨 소규모 트래픽으로 검증하고, 실제 데이터로 주력 버전을 결정합니다. 엔지니어링 설계에서는 "생성 배치"를 추적 가능한 단위로 삼아 각 후보에 대응하는 파라미터를 기록해 회고를 쉽게 해야 합니다.

모드 3: 수동 검수와 연결

생성 결과를 바로 외부에 공개하지 않고 수동 선별 또는 규정 준수 검수 큐로 보냅니다. 이는 현재 비교적 안정적인 도입 방식입니다: 기계가 생산 능력을 맡고 사람이 판단을 맡습니다. 파이프라인에 자동 사전 필터(예: 길이, 해상도, 검은 프레임 감지)를 삽입하여 명백히 불합격인 산출물을 수동 검수 전에 차단할 수 있습니다.

모드 4: 크리에이티브 제안 도구

정식 제작 전에 참조 소재로 빠르게 동적 미리보기를 생성하여 고객이나 의사결정자가 기대치를 형성하도록 돕습니다. 이 용법은 일관성 요구가 낮고 속도 요구가 높아, 정확히 모델의 강점 영역에 해당합니다.

조합 제안

위 모드들은 서로 배타적이지 않습니다. 전형적인 생산 파이프라인은 다음과 같습니다: 짧은 길이 파일럿 검증 → 대량 생성 → 자동 사전 필터 → 수동 검수 → 광고 테스트 → 데이터 피드백을 프롬프트 라이브러리로 환류. 각 단계가 재사용 가능한 데이터를 산출하며, 프롬프트와 참조 소재의 품질은 반복을 거치며 점진적으로 향상됩니다.

자주 묻는 질문과 문제 해결 접근

연동 과정의 실패는 대부분 몇 가지 범주로 귀결됩니다. 아래 순서로 점검하면 보통 몇 차례 안에 문제를 찾을 수 있습니다.

생성 결과가 기대와 크게 다름

가장 흔한 불만입니다. 먼저 프롬프트가 정적 화면만 설명하고 운동을 쓰지 않았는지 확인하고, 다음으로 참조 소재가 선명한지, 주체가 명확한지 확인하세요. 참조 소재 자체의 구도가 어수선하면 모델이 유효한 특징을 추출하기 어렵습니다. 매우 단순한 참조 소재와 짧은 프롬프트 한 문장으로 기준선 테스트를 하고, 흐름이 통과된 뒤 복잡도를 점진적으로 높이는 것이 좋습니다.

참조 특징이 반영되지 않음

먼저 참조 소재의 형식, 크기, 내용이 인터페이스 요구를 충족하는지 확인하고, 다음으로 프롬프트에 참조 소재와 충돌하는 설명이 없는지 확인하세요. 참조 소재와 프롬프트가 상충하는 지시를 내리면 결과는 보통 양쪽 모두와 닮지 않습니다.

작업이 오래 완료되지 않거나 시간 초과

비동기 흐름 구현을 점검하세요: 폴링 간격이 너무 촘촘해 속도 제한을 유발하는지, 콜백 주소에 접근 가능한지, 작업 상태가 올바르게 영속화되는지. 클라이언트에서 장기 연결로 대기하지 말고 작업 상태는 서버에 저장해야 합니다.

중복 과금이나 중복 산출물

거의 항상 멱등성 누락이 원인입니다. 매 제출에 고유 요청 식별자를 붙이고, 서버가 같은 식별자에 대해 중복 제거를 수행하는지 확인하세요. 동시에 재시도 로직이 시간 초과 후 무조건 새 요청을 보내는지 점검하세요.

산출물 재생 불가

출력 형식이 다운스트림 플레이어와 호환되는지 확인하고, 특히 컨테이너 형식, 인코딩, 프레임 레이트를 보세요. 생성은 성공했는데 재생이 실패한다면 문제는 대개 생성 단계가 아니라 다운로드나 재저장 단계에 있습니다.

비용이 예상 초과

샘플링 배수와 재시도 횟수를 되돌아보세요. 대부분의 초과 지출은 단가 때문이 아니라 상한 없는 재시도와 과도한 샘플링 배수 때문입니다. 이 두 파라미터에 하드 상한을 설정하는 것이 가장 직접적인止血 수단입니다.

출시 전 체크리스트

아래 항목을 하나씩 확인하면 이 모델이 제품에 연동 적합한지 대체로 판단할 수 있습니다.

요구사항 매칭

  • 해당 기능이 "정밀 재현"이 아니라 "참조 기반 유도"임을 명확히 하고, 제품 문구와 사용자 기대를 정렬했습니다.
  • 목표 시나리오가 긴 내러티브나 강한 일관성 요구가 아니라 짧은 클립, 스타일 연속성 요구에 속함을 확인했습니다.
  • 화면 속 핵심 텍스트와 로고는 후반 작업에서 합성하며 모델 생성에 의존하지 않기로 했습니다.

인터페이스 설계

  • 참조 소재의 형식, 크기, 개수 요구를 확인하고 검증 로직에 반영했습니다.
  • 길이, 해상도 등 비용에 영향을 주는 파라미터를 구성 항목으로 노출하고 코드에 하드코딩하지 않았습니다.
  • 비동기 작업 흐름이 완전합니다: 제출, 상태 영속화, 폴링 또는 콜백, 산출물 다운로드.
  • 멱등 식별자와 재시도 전략을 구현하고, 재시도 가능/불가능 오류를 구분했습니다.
  • 모델 호출을 내부 어댑터 계층에 캡슐화하여 이후 교체나 추가가 용이합니다.

비용과 예산

  • "초 수 × 샘플링 배수 × 개수"로 단계별 예산을 추정하고 실패 버퍼를 마련했습니다.
  • 샘플링 횟수와 재시도 횟수의 하드 상한을 설정했습니다.
  • 초 수를 단위로 하는 내부 비용 회계 기준을 수립하여 단일 소재까지 추적 가능합니다.
  • 실시간 단가와 과금 세부 사항은 사이트 가격 패널을 기준으로 하며, 이 기준을 팀 내에 공유했습니다.

품질과 규정 준수

  • 다중 후보 선택 또는 수동 검수 단계를 설계하여 산출물을 바로 외부에 공개하지 않습니다.
  • 참조 소재의 저작권과 라이선스를 확인했습니다.
  • 명백히 불합격인 산출물을 걸러내는 자동 사전 필터 규칙을 준비했습니다.

출시 리듬

  • 먼저 짧은 길이, 소량으로 엔드투엔드 흐름을 통과시킨 뒤 점진적으로 규모를 늘립니다.
  • 첫 배치 생성의 파라미터와 결과를 기록하여 이후 최적화의 기준선으로 삼았습니다.

이 체크리스트를 한 번 실행한 뒤 바로 연동할지 소규모 파일럿을 먼저 할지 결정하면, 감으로 출시하는 것보다 훨씬 안정적입니다. Vidu Q3 Ad의 reference-to-video는 HiAPI.ai에서 통합 인터페이스로 제공되며, 영상 소재 생산 파이프라인의 실행 계층 구성 요소로 적합합니다.

영구 AI 아티팩트로 빌드 시작하기

API 키를 받아 태스크 기반의 하나의 API로 이미지, 비디오, 오디오 모델을 호출하세요.

API 문서 보기